https://benzhub.github.io/tags/embeddings/Recent content in Embeddings on BenzHubHugozh-TWSun, 25 Oct 2026 00:00:00 +0000https://benzhub.github.io/post/supabase/036-embeddings-similarity-search/Sun, 25 Oct 2026 00:00:00 +0000https://benzhub.github.io/post/supabase/036-embeddings-similarity-search/<blockquote> <p>上一篇《pgvector 向量入門》我們學會了怎麼用 <strong><code>vector(1536)</code></strong> 欄位存 <strong>embedding</strong>、用三個距離運算子比對相似度。但有個關鍵環節還沒補上——那串 embedding <strong>到底怎麼來的</strong>？這一篇，我們就把整條「<strong>相似度搜尋</strong>」的線接起來：用模型（<strong>OpenAI <code>text-embedding-3-small</code></strong> 或開源 <strong><code>gte-small</code></strong>）把文字<strong>產生成 embedding</strong>、存進 <strong>pgvector</strong>，寫一個 <strong><code>match_documents</code></strong> SQL 函式（餘弦相似度 + <code>match_threshold</code> + <code>match_count</code>），再用 <strong><code>supabase.rpc</code></strong> 從前端呼叫它，最後把「產 embedding」搬進 <strong>Edge Function</strong> 裡即時查詢。語意搜尋，這篇真的會動起來。</p> </blockquote>